基于Apriori算法的试题库知识点间关联性挖掘方法

    公开(公告)号:CN107943946A

    公开(公告)日:2018-04-20

    申请号:CN201711190418.3

    申请日:2017-11-24

    IPC分类号: G06F17/30 G06Q50/20

    摘要: 本发明提供一种基于Apriori算法的试题库知识点间关联性挖掘方法,包括步骤S1:将智能题库系统日志表内的用户学习行为数据整理成关联规则模型所需要的数据结构,并导入关联规则模型;其中,用户做的全部知识点被记为一个事务,一道试题对应一个知识点,一个知识点称为一个项;步骤S2:在关联规则模型内寻找用户学习行为数据中最大的频繁项集Lk;步骤S3:根据最大频繁项集Lk产生关联规则;步骤S4:将导出的知识点间的关联规则按照从低年级至高年级的顺序进行排列。本发明通过Apriori算法找出用户知识点间的频繁项集,产生关联规则,运用这种关联规则对用户进行智能推荐,使用户对其薄弱的知识点达到逐步掌握的目的。

    基于Apriori算法的试题库知识点间关联性挖掘方法

    公开(公告)号:CN107943946B

    公开(公告)日:2019-08-30

    申请号:CN201711190418.3

    申请日:2017-11-24

    IPC分类号: G06F16/33 G06Q50/20

    摘要: 本发明提供一种基于Apriori算法的试题库知识点间关联性挖掘方法,包括步骤S1:将智能题库系统日志表内的用户学习行为数据整理成关联规则模型所需要的数据结构,并导入关联规则模型;其中,用户做的全部知识点被记为一个事务,一道试题对应一个知识点,一个知识点称为一个项;步骤S2:在关联规则模型内寻找用户学习行为数据中最大的频繁项集Lk;步骤S3:根据最大频繁项集Lk产生关联规则;步骤S4:将导出的知识点间的关联规则按照从低年级至高年级的顺序进行排列。本发明通过Apriori算法找出用户知识点间的频繁项集,产生关联规则,运用这种关联规则对用户进行智能推荐,使用户对其薄弱的知识点达到逐步掌握的目的。

    一种城市雨水管理与处理的方法

    公开(公告)号:CN108862846A

    公开(公告)日:2018-11-23

    申请号:CN201810714572.4

    申请日:2018-07-03

    IPC分类号: C02F9/14

    摘要: 本发明属于污水处理技术领域,具体涉及一种城市雨水管理与处理的方法。本发明的方法包括以下步骤:预处理单元的处理:水通过入口过滤器和周边过滤器拦截、过滤、吸附和吸收水中悬浮物及污染物;湿地单元的处理:预处理后的水通过进水导流管进入湿地单元,经过湿地模块中的填料组合物拦截吸附水中悬浮物及污染物;当水流量较大时通过旁路系统进入湿地单元和排放单元;排放单元的控制及排放:湿地单元处理后水通过出水导管进行排放和调节流量,经出水导管进入到排放集中池,水在排放集中池经过滤后,由出水管排除系统。本发明的方法运行维护简便、引入旁路管道,增强了暴雨季节的适应能力,引入人工湿地系统,处理表面径流的同时能够兼顾市政绿化。